潘曉龍畢業(yè)論ppt課件-在線瀏覽
2025-07-05 00:03本頁面
【正文】 進(jìn)行城鎮(zhèn)居民消費(fèi)結(jié)構(gòu)分析，利用因子分析及聚類分析方法，將全國(guó)各省市進(jìn)行分類，針對(duì)各類地區(qū)居民消費(fèi)結(jié)構(gòu)及差異進(jìn)行研究，以期發(fā)現(xiàn)特點(diǎn)和規(guī)律。因而，本研究在理論以及實(shí)踐上均有著重要的意義。 本文運(yùn)用 SPSS軟件來做因子分析和聚類分析 。在此，以各地區(qū)城鎮(zhèn)居民家庭平均每人全年消費(fèi)性支出的各構(gòu)成部分作為指標(biāo)變量，分別記為 X XX X X X X X8，采用 for windows綜合運(yùn)用因子分析和聚類分析等多元統(tǒng)計(jì)方法對(duì)數(shù)據(jù)進(jìn)行分析。 因子分析方法由研究原始變量的相關(guān)矩陣內(nèi)部的依賴關(guān)系出發(fā)，把多個(gè)具有錯(cuò)綜復(fù)雜關(guān)系的原始變量歸結(jié)為少數(shù)幾個(gè)綜合因子的一種多元統(tǒng)計(jì)方法。對(duì)于所研究的某一具體問題，原始變量可以分解成少數(shù)幾個(gè)公共因子的線性函數(shù)和與公共因子無關(guān)的特殊因子之和的形式。在因子分析中我選擇KMO and Bartlett‘s test of sphericity 檢驗(yàn)統(tǒng)計(jì)量，得到如下結(jié)果： K M O a nd B a r t l e t t 39。s Te s t o fS p h e r i c i t y 表 1結(jié)果用來判斷數(shù)據(jù)是否能夠用來做因子分析，我們知道，因子分析中，變量應(yīng)該有較高的相關(guān)度，降維的效果才好，因此表格的 第一行為檢驗(yàn)變量間偏相關(guān)程度的 KMO統(tǒng)計(jì)量，其值至少要在 上數(shù)據(jù)才適合做因子分析，如果小于 ，說明變量間相關(guān)性不強(qiáng)，因子分析效果不會(huì)太好，應(yīng)該重新選擇變量。本例中 KMO值為 ，球形檢驗(yàn)顯著，兩個(gè)條件都滿足，變量間相關(guān)程度大，適合做因子分析。 因子 2上載荷較大的變量：衣著、醫(yī)療保健。而公共因子 2則在剩余的兩項(xiàng)即醫(yī)療保健和衣著上占有較大比重，這兩項(xiàng)可以歸為一類，命名為“次要消費(fèi)因子”。由系數(shù)矩陣可以將 2個(gè)公共因子表示為 8個(gè)指標(biāo)的線性形式。 綜合表 6來看，主要消費(fèi)因子排名與綜合因子排名基本一致，且與城市發(fā)達(dá)程度呈正相關(guān)關(guān)系，其得分最高的四個(gè)城市分別為：上海、北京、廣東、浙江。 從上面的因子的分排名就可以看出區(qū)域差異的影響，為了更好地展現(xiàn)，我準(zhǔn)備要運(yùn)用聚類分析來把具體城市做個(gè)分類。 我國(guó)幅員遼闊，地區(qū)間的自然條件、文化傳統(tǒng)以及經(jīng)濟(jì)發(fā)展差異巨大，發(fā)展不協(xié)調(diào)的矛盾日漸突出，特別是東部沿海地區(qū)與其他地區(qū)的經(jīng)濟(jì)發(fā)展差距越來越大。為了進(jìn)一步分析各地區(qū)城鎮(zhèn)居民在八項(xiàng)消費(fèi)上所體現(xiàn)出的規(guī)律，對(duì)全國(guó) 31個(gè)省市自治區(qū)進(jìn)行聚類，本文采用系統(tǒng)聚類 ,分出哪些地區(qū)在消費(fèi)上體現(xiàn)出相近的特征，利用 SPSS中聚類分析得出結(jié)果。 4 研究及解釋 因子分析中，從表 6（各因子得分及排名）可知，各城市總排名與主要消費(fèi)因子排名密切相關(guān)，且主要因子得分隨發(fā)達(dá)程度遞增，上海、北京
環(huán)評(píng)公示相關(guān)推薦
鄂ICP備17016276號(hào)-1